TensorFlow は、機械学習用のエンドツーエンドのオープンソース プラットフォームです。
TensorFlow を使用すると、初心者もエキスパートも簡単に機械学習モデルを作成できます。開始するには、以下のセクションを参照してください。
初心者向け
開始するのに最適な場所は、ユーザーフレンドリーな Sequential API です。構成要素を組み合わせてモデルを作成できます。以下の「Hello World」の例を実行してから、チュートリアルにアクセスして詳細を確認してください。
ML について学習するには、教育ページをご覧ください。厳選されたカリキュラムから始めて、基本的な ML 領域のスキルを向上させます。
import tensorflow as tf mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 255.0, x_test / 255.0 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test)プレースホルダー25
専門家向け
サブクラス化 API は、高度な研究のために実行ごとに定義するインターフェイスを提供します。モデルのクラスを作成し、フォワード パスを命令的に記述します。カスタム レイヤー、アクティベーション、トレーニング ループを簡単に作成できます。以下の「Hello World」の例を実行してから、チュートリアルにアクセスして詳細を確認してください。
class MyModel(tf.keras.Model): def __init__(self): super(MyModel, self).__init__() self.conv1 = Conv2D(32, 3, activation='relu') self.flatten = Flatten() self.d1 = Dense(128, activation='relu') self.d2 = Dense(10, activation='softmax') def call(self, x): x = self.conv1(x) x = self.flatten(x) x = self.d1(x) return self.d2(x) model = MyModel() with tf.GradientTape() as tape: logits = model(images) loss_value = loss(logits, labels) grads = tape.gradient(loss_value, model.trainable_variables) optimizer.apply_gradients(zip(grads, model.trainable_variables))プレースホルダー27
一般的な問題の解決策
プロジェクトに役立つステップバイステップのチュートリアルをご覧ください。

初心者向け
初めてのニューラル ネットワーク完全な TensorFlow プログラムのこのペースの速い概要では、ニューラル ネットワークをトレーニングして、スニーカーやシャツなどの衣類の画像を分類します。

